← Naar het model Capability

Lerend vermogen

Wat het is

Lerend vermogen is het vermogen van een organisatie om systematisch beter te worden. Bij AI is dat de kerncapability: de technologie verandert per kwartaal, en wat vandaag werkt, is volgend jaar achterhaald. Een organisatie die niet leert, loopt achter op een model dat ze zelf heeft ingevoerd.

Dit model onderscheidt drie lussen. De eerste leert over het product: werkt het, klopt de code? De tweede leert over het resultaat: haalt het wat we wilden? De derde stelt de bedoeling zelf ter discussie: wilden we het goede?

Lerend vermogen raakt alle andere capabilities. Het is de reden dat de capability in het Venn-diagram in de kern staat: zonder leren blijft elke andere capability op het niveau waarop hij werd ingevoerd.

Een herkenbaar voorbeeld: een team haalt elk kwartaal zijn doelen. De retro gaat over wat beter kan in het proces. Niemand vraagt of het doel zelf nog klopt, tot een klantonderzoek laat zien dat het team een jaar lang het verkeerde probleem heeft opgelost.

Waarom

Argyris (Harvard Business Review, 1977) onderscheidt single-loop en double-loop leren. Bij single-loop leren corrigeer je afwijkingen binnen de bestaande normen en aannames, zoals een thermostaat die bijregelt. Bij double-loop leren bevraag je de normen en aannames zelf. Organisaties zijn goed in het eerste en structureel slecht in het tweede, omdat het bevragen van aannames als bedreigend wordt ervaren.

De positie van dit model: de derde lus vraagt bewijs. Een intentie herzien op gevoel is meningen volgen. Een intentie herzien omdat een meting de verwachting tegenspreekt, is leren. Leg daarom bij elke bijstelling vast: de oude intentie, de waarneming die hem weerlegde, en de nieuwe intentie.

Daarnaast: meten om te meten is tijdverspilling. Kies per team de twee dimensies die nu het meeste zeggen, en meet die consequent.

Wat je nodig hebt

Een vast ritme: een retro per sprint, een bredere terugblik per kwartaal en een moment per jaar waarop de bedoeling zelf op tafel ligt. Zonder ritme blijft leren afhankelijk van incidenten.

Hoe je het meet

Het aantal retro's zegt niets als er niets verandert. Tel uitgevoerde verbeteracties, niet bedachte. En als een intentie in twee jaar nooit is herzien, vraag dan of hij standhoudt of dat niemand hem toetst.

Instrumenten om in te groeien

Drie lussen

  • Lus 1 β€” het product (build). Werkt wat we bouwen? Tests, reviews en de sprint-retro. Ritme: per wijziging en per sprint.
  • Lus 2 β€” het resultaat (outcome). Haalt het wat we wilden? Meet adoptie en impact, en stuur bij binnen de bestaande bedoeling. Ritme: per kwartaal.
  • Lus 3 β€” de bedoeling (intentie). Wilden we het goede? Stel de aanname zelf ter discussie, op basis van bewijs. Ritme: per half jaar of bij een weerleggende meting.

Drie ritmes

Naast wÑt je leert is er de vraag wannéér je stilstaat. Drie ritmes draaien tegelijk, en elk voedt het volgende:

  • Sprint (twee weken) β€” AI gebruiken, in de retro vragen wat verraste, patronen herkennen en bijsturen. Levert betere prompts en kandidaten voor gedeelde skills op.
  • Team (kwartaal) β€” de Capability Scan, doelen in het Team Canvas, zes sprints, de Adoptie Monitor, en weer de scan. Levert aantoonbare groei op, en bewijs voor governancebesluiten.
  • Organisatie (jaar) β€” inventarisatie, review van het Governance Canvas, een rijpheidscheck van tokenbeheer, evaluatie van de gedeelde skills en een nieuw Ambitie Canvas. Levert het bijgewerkte kader en de investeringsbesluiten op.

Ritme en lus zijn twee onafhankelijke assen. Een team met een strak kwartaalritme kan nog steeds alleen in de build-lus zitten; een enkele sprint kan al een outcome-lus draaien. Het ritme zegt wanneer je leert, de lus zegt wat. En een lagere lus moet een hogere voeden: de intentie toetsen zonder outcome te meten, is aannames toetsen tegen niets.

Drie niveaus van verbeteren

Douglas Engelbart onderscheidt drie niveaus waarop een organisatie verbetert:

  • A β€” het werk zelf: producten maken en opleveren. Hier versnelt AI doorgaans het eerst.
  • B β€” verbeteren hoe het A-werk gebeurt: de werkwijze en het proces.
  • C β€” verbeteren hoe je verbetert. Een terugkerend moment waarop het team kijkt naar de manier waarop het kiest wat het verbetert.

De scherpe vraag: waar landt je AI-investering? AI versnelt standaard niveau A. Zonder bewuste keuze schuift de investering vanzelf daarheen, en blijft B en C liggen.

De retro als leermoment

Een retro is pas waardevol als hij gedrag verandert. Bespreek AI-gebruik expliciet: wat gebeurde er met AI-tools, wat betekent dat, en welke ene afspraak maken we voor de volgende sprint? Vraag ook welke AI-interactie het team verraste. Dat haalt kennis boven die anders onzichtbaar blijft. Het format staat in Augmented Retrospective.

Vier meetdimensies

  • Bereik β€” hoeveel mensen doen mee?
  • Diepgang β€” hoe volwassen is het gebruik?
  • Kwaliteit β€” verbetert de output?
  • Impact β€” verandert het resultaat?

Kies er per kwartaal twee in het Team Canvas en meet ze met de Adoptie Monitor.

Individueel leren

Teams leren via mensen. AI kan helpen om sneller en anders te leren: als gesprekspartner, als oefenpartner en als spiegel. Niet om meer stof te verwerken, maar om de vorm van leren aan te passen aan wat je nu nodig hebt. Hoe je AI als leerpartner inzet, staat bij AI-geletterdheid & samenwerken met AI. Drie vragen om een sprint, project of leerblok mee af te sluiten:

  • Welke kennis hebben we deze periode opgebouwd, en staat die ergens vast?
  • Welke AI-interactie leverde de meeste inzichten op, en wat maakte die anders?
  • Wat willen we de volgende keer anders aanpakken?

Hoe een intentie zich ontwikkelt, staat in Outcome-sturing & systeemdenken.

Lees en luister verder

Een organisatie die alleen bijstuurt, wordt steeds beter in het verkeerde. Leren begint waar je de bedoeling zelf durft te bevragen.